> For the complete documentation index, see [llms.txt](https://docs.ngsurvey.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.ngsurvey.com/fr/suite-ia/colonnes-intelligentes/smart-works/libelles.md).
# Libellés
La fonctionnalité de label smart work vous permet de définir dynamiquement des catégories d’étiquettes qui seront utilisées pour évaluer et catégoriser le contenu des saisies textuelles de vos Répondants. Chaque saisie textuelle d’un Répondant sera évaluée pour déterminer si elle correspond à une ou plusieurs étiquettes que vous avez définies. Chaque étiquette correspondant au contenu de la saisie textuelle sera conservée en tant que valeur de la colonne smart.
En utilisant des étiquettes, vous pouvez catégoriser facilement et automatiquement les réponses de vos Répondants afin de faciliter le regroupement et le filtrage lors de l’analyse de vos données.
## 🔅 Propriétés de l’étiquette
* **`Colonne de réponse source`**est la colonne de votre jeu de données de Répondants qui sera utilisée comme source pour la catégorisation par étiquette.
* **Étiquettes** étiquette de votre catégorie. Vous pouvez ajouter plusieurs étiquettes. Si la réponse source peut être catégorisée par l’une des étiquettes, la valeur de la colonne smart se verra attribuer cette étiquette. Si aucune catégorie ne peut être appariée sur la base des étiquettes, ngSurvey attribuera par défaut la valeur d’étiquette « inconnu ».
* **`Nombre d’étiquettes à inclure`** nombre maximal d’étiquettes à inclure.
{% hint style="info" %}
Le labeling n’est pas une comparaison textuelle précise : en se basant sur la saisie textuelle du Répondant, il évaluera le texte pour déterminer si l’une des étiquettes que vous avez spécifiées peut être utilisée pour catégoriser cette saisie.
{% endhint %}
Ci‑dessous un exemple d’une colonne smart qui catégorise une entrée de revue
D’après le texte de la revue du Répondant, on voit qu’il attribuera automatiquement la catégorie appropriée à la colonne smart que nous avons créée.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://docs.ngsurvey.com/fr/suite-ia/colonnes-intelligentes/smart-works/libelles.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
